Physician in clinical development. Exploring AI in clinical research and cardiometabolic health. Occasional poetry.
United States
Joined June 2009
- Tweets825
- Following1.7K
- Followers211
- Likes355
Pinned Tweet
An AI system causes harm.
Then comes the leap: human extinction, so stop development.
Those are three different arguments.
I’m with @DeryaTR_: taking risks seriously doesn’t make stopping progress the default.
I’m joining the resistance :)
Ibrahim Turfanda retweeted
Over the past three decades, I’ve been fortunate to publish many impactful biomedical research papers, including in top journals like Nature and Science. Yet I consider our paper with @OpenAI, “Early Science Acceleration Experiments with GPT-5,” among the most consequential of my scientific life.
Because, published a year ago, it offered an early glimpse of something historic: AI beginning to make original contributions to scientific discovery across multiple disciplines, including solving previously unsolved mathematical problems.
What we glimpsed a year ago is now unfolding at breathtaking speed! OpenAI has recently released AI-generated results addressing hundreds of longstanding mathematical problems, while other AI labs are making remarkable breakthroughs of their own, the implications are profound!
And math is only the beginning. Imagine these capabilities soon applied to engineering, material science, energy and especially biology, medicine, curing diseases, and reversing aging!
We are witnessing one of the greatest turning points in the history of science: the emergence of AI as a powerful engine of discovery, potentially compressing decades of scientific progress into years or even months or days!
I have never been more excited about the future and I feel incredibly privileged to have contributed to documenting the beginning of this extraordinary era!
Ibrahim Turfanda retweeted
Brecht’in sahnesinde tank tekerleklerinin ne işi vardı? Devrimci tiyatrosunun arkasındaki milyonluk bütçeyi kim sağlıyordu?
"İki kalas bir heves" güzel de, sanatın görünmeyen faturasını kim ödüyor?
Tiyatronun "mali özgürlüğünü" @kitapkritik24 'e yazdım:
k24kitap.org/iki-kalas-bir-h…
There is no acceptable error rate for an agent. There is consequence, and there is who carries it.
An awkward sentence in a draft and a missed signal are not the same problem, so I start there. What can go wrong, will we catch it, and what happens if we don’t?
Then compare the full process. People working as they do today against people working with the agent, including the time spent checking and interpreting what it returned.
If reviewing the output is impossible in the time available, putting a person's name at the end protects nothing.
When you point out an error, an agent apologises immediately. It does not carry the consequence. Someone does.
We may not know which jobs AI will change or disappear, but we can choose how we help people adapt.
Giving teams time to learn, space to ask questions, and support to experiment with new tools turns uncertainty into shared growth and keeps the human side of work at the center.
When people ask me where to begin with AI, they usually want some sort of impressive answer.
Write my paper, replace my job, retire early :)
I think the better starting point is the email inbox.
And yes… I’m aware how unglamorous that sounds.
My reasoning is about consequence. A first attempt at implementing AI should be where the cost of being wrong is small, and the feedback arrives quickly.
Sorting what needs your attention today from what needs it this week from what needs nobody at all is exactly that kind of task.
If it sorts something badly, you notice within a day, and nothing is harmed.
Compare that to leveraging AI somewhere consequential.
The learning is the same, but the price of the learning is not.
There’s a second reason (and maybe less obvious).
Triage and meeting load are where attention goes without anything being produced.
You spend your sharpest hours deciding what deserves your sharpest hours.
Recovering some of that is worth more to me than volume of output.
Instances like that are where I would look first.
The best improvements often start by asking the people doing the work what they would change, and then giving them a voice in testing it.
With AI helping teams experiment, measure real improvements, and learn week over week, optimization becomes an ongoing experience.
Ask a pharma team why they have not tried something and you will often hear that it hasn’t been done that way before.
If being wrong is expensive, people stop doing anything where being wrong is possible.
What is left is work with predictable outcomes, and that is the work that was already being done. The organisation keeps moving and stops learning.
Nobody decides this. There is no memo saying we have agreed not to try. It arrives as a series of sensible individual choices that add up to standing still.
As being a medical doctor, I have spent my career where patient safety comes first, and I still believe it should.
The same caution gets applied to work where mistakes cost almost nothing. A scheduling process does not need the error tolerance of a dosing decision.
Telling those two apart is useful work for a leader. It creates room where being wrong is cheap and the learning is real.
I am learning, sometimes failing but keep trying make that line visible, so my team knows where experimenting is welcome.
Prompting tips are mostly behind us. The gap now is practicality, so here is where I would actually start:
The first place I look is the time spent getting ready to do the work.
- Finding information
- Pulling notes together
- Preparing a first draft
There is often a lot of time sitting in there.
I would ask an agent for a briefing from sources it is allowed to use, with the references attached and the gaps made clear. Then use it to turn rough notes into a draft, and still check what comes back.
What stays with me is deciding what deserves attention and what I am prepared to stand behind.
A difficult conversation with a person stays with me too. An agent can help me prepare. I should be the one listening.
AI can draft the email, write the document, and get the task done.
It doesn't experience the relationship the way a human does.
As AI becomes part of our teams, managers need to think beyond the output and stay accountable for the human experience happening around it.
I collect vinyl records, and here’s something I’ve noticed about my hobby that translates to AI.
A really good audio system doesn’t make every record sound better…
Sometimes it makes bad recordings sound worse because you can hear all their flaws more clearly.
People buy better equipment expecting improvement and discover that half their collection now sounds worse.
AI has done this to a lot of documents I used to accept.
When a tool summarises a report in four lines, that’s useful information.
The summary didn't fail. The report had four lines of content and eleven pages of length.
I didn’t need a better reader. I needed to notice that I didn’t need eleven pages to begin with.
Trust on a team grows when you create space for challenge, disagreement, and honest feedback, even when it's inconvenient.
As AI agents become part of our teams, the deeper question is how we make people feel heard, valued, and engaged alongside them.
I set up two AI agents to run a recruitment interview for my pinball project and sat there watching them talk to each other.
One of them asked the candidate whether the agreement would still be welcome once it became inconvenient.
That question went deeper than I expected. It is what you actually want to know when you join a team.
Can I be myself here?
Can I say I am unsure?
Can I disagree and still feel I belong?
A manager builds trust by how they respond in those moments. But I wrote the instructions for the thing asking the question, and I can rewrite them whenever I dislike an answer.
So I have to think about my own part in that relationship, which I had not considered before I pressed start.
Ibrahim Turfanda retweeted
Devletin 100 milyar liraya ihtiyacı olduğunu düşünelim. Bu para merkez bankası üzerinden yeni para yaratılarak sağlanırsa, ekonomideki para miktarı ve harcama gücü artar. Devlet bu parayı harcamaya başladığında piyasada daha fazla para dolaşır. Üretim de aynı hızda artmıyorsa, artan para mevcut mal ve hizmetlere yönelir; fiyatlar ve döviz kuru üzerinde baskı oluşabilir. Devlet bu yolla ayrıca borçlanmak zorunda kalmaz. Bunun bedeli ise paranın değer kaybetmesi ve satın alma gücünün toplum genelinde aşınması şeklinde ortaya çıkabilir.
Krediyle para yaratılması biraz farklı işler. Bir banka bir şirkete 100 milyon lira kredi verdiğinde şirketin hesabına 100 milyon liralık mevduat yazar. Böylece bankacılık sistemi 100 milyon liralık yeni para yaratmış olur. Bankanın karşısında da şirketten olan 100 milyon liralık alacağı vardır. Üstelik kredi faizlidir. Şirket bir yıl sonra 120 milyon lira ödeyecekse, kredi verildiği gün yaratılan para yine 100 milyondur; kalan 20 milyon faiz ayrıca yaratılmaz. Şirket bu parayı satışlarından ve diğer gelirlerinden kazanarak bankaya öder. Anapara geri ödendikçe krediyle yaratılan para sistemden çekilir, faiz ise bankanın gelirine dönüşür. Şirket aldığı 100 milyonu harcamış ve daha sonra borcunu ödeyemez hale gelmişse, para başka insanların hesaplarında dolaşmayı sürdürürken bankanın elindeki alacağın değeri düşer. Tahsil edilemeyen faiz de buna eklenince zarar büyür.
Müsaderede (haksız kazanca el koyma) ise para veya kredi yaratılmasına ihtiyaç yoktur. Suçtan elde edildiği mahkeme kararıyla belirlenen 100 milyar liralık bir bina, şirket hissesi, arazi ya da nakit devlete geçirildiğinde ekonomiye yeni 100 milyar lira girmiş olmaz. Yeni bir borç da doğmaz. Var olan servetin sahibi değişir: özel kesimin elindeki 100 milyarlık varlık azalır, kamunun elindeki varlık aynı miktarda artar. Devlet bu varlığı kullanabilir, satabilir veya elde ettiği geliri kamu harcamalarında değerlendirebilir. Böylece borçlanmadan ve yeni para yaratmadan kamuya yeni bir mali kaynak aktarılmış olur.
Aralarındaki temel fark bu yüzden oldukça açık: yeni para yaratıldığında ekonomideki para miktarı artar; banka kredisi verildiğinde hem para hem borç yaratılır; müsaderede ise mevcut servet özel kesimden kamuya geçer. Üçü de sonunda harcamaya dönüşebilir, fakat geride bıraktıkları sonuç farklıdır. Birinde para miktarı büyür, diğerinde borç ilişkisi doğar, üçüncüsünde mülkiyet el değiştirir.
Someone on a team running three agents is starting to take on a manager's role, and part of that we have not worked out yet.
With a person, trust grows through what you go through together. There are good moments, there are tough moments and you find a way to keep working.
I wrote the agent's instructions and I can change them at any time.
Learning to trust something I am also shaping is a different problem, and the easy failure is shaping it into something that agrees with me.
Now add a human to that team. They have had a hard week, and the agent gives them a warm, encouraging reply.
Maybe that helps. Maybe they wish their manager had been the one to notice.
We seem to have life figured out on LinkedIn. I’m just trying to express myself without trolling the comments :)))
“….Bugün “başarı,” “kendini gerçekleştirme,” “otantik olma,” “kendi markanı yaratma,” “hak ettiğin hayatı yaşama” gibi anlatılar bize değerli bir hayatın ne olduğunu söylüyor. Başarısızlığın sorumlusu da çoğu zaman hazır: Bireyin kendisi.
Mitlerin dünyasını geride bıraktığımızı düşünürken markaların, algoritmaların, piyasaların ve yaşam tarzlarının pespaye mitolojisine girdik.”
Sürekli seçiyoruz: İşimizi, bankamızı, markamızı, kimliğimizi… Peki seçtiğimiz dünyanın kurallarını kim koyuyor? Kapitalizm, bağımlılığı ortadan kaldırmadan özgürlük duygusunu nasıl üretti?
@evrenselgzt 'deki yeni yazım: Özgür Bireyin İcadı.
evrensel.net/haber/6001232/o…
Ibrahim Turfanda retweeted
Kazanmak mı istiyorsunuz, haklı çıkmak mı, yoksa doğru olanı yapmak mı? Bunlar aynı şey değil. Kazanmak için haklılığınızdan, haklı çıkmak için doğruluktan, doğru olmak için kazanmaktan vazgeçmeniz gerektiğinde hangisini seçersiniz?
14%kazanmayı
11%haklılığı
75%doğruluğu
102 votes • Final resultsDinner with great friends, and a conversation as delicious as the food. :)
We talked about AI and being human, with different views around the table. It brought me back to Tolga Yıldız’s (@tolgayildizphd) post (xitter.cf/tolgayildizphd/status/…) about processing information and experiencing it.
AI can help us plan, design and think things through. But there I was, living the conversation too. Enjoying it. Feeling part of it.
Maybe that’s what stayed with me: we were talking about experience while having one together.
Yapay zekâ hesaplama, bellek ve bilgi işleme kapasitesi bakımından insanı pek çok alanda şimdiden aşmış olsa da insan zihniyle nitelik bakımından aynı düzlemde bulunduğunu söylemek için elimizde bir temel yok. Çünkü insan zihninin ayırt edici niteliği yalnızca bilgi işlemesi değil, bu işleyişin öznel olarak deneyimlenmesidir. Bilincin ve öznel deneyimin nasıl ortaya çıktığını hâlâ bilmiyoruz; fakat bilinçli olduğumuz (yani ölmediğimiz veya komaya girmediğimiz müddetçe, uykuda olsak bile) her anda onun varlığını doğrudan ve kaçınılmaz biçimde deneyimliyoruz. Aklımızı biz yapmadık; kendimizi onun içinde buluyor, bir bakıma ona maruz kalıyoruz. Ne olduğunu içeriden deneyimliyoruz ama nasıl ve neden var olduğunu bilmiyoruz. Belki de hiçbir zaman bütünüyle bilemeyeceğiz.
Ibrahim Turfanda retweeted
Yapay zekâ hesaplama, bellek ve bilgi işleme kapasitesi bakımından insanı pek çok alanda şimdiden aşmış olsa da insan zihniyle nitelik bakımından aynı düzlemde bulunduğunu söylemek için elimizde bir temel yok. Çünkü insan zihninin ayırt edici niteliği yalnızca bilgi işlemesi değil, bu işleyişin öznel olarak deneyimlenmesidir. Bilincin ve öznel deneyimin nasıl ortaya çıktığını hâlâ bilmiyoruz; fakat bilinçli olduğumuz (yani ölmediğimiz veya komaya girmediğimiz müddetçe, uykuda olsak bile) her anda onun varlığını doğrudan ve kaçınılmaz biçimde deneyimliyoruz. Aklımızı biz yapmadık; kendimizi onun içinde buluyor, bir bakıma ona maruz kalıyoruz. Ne olduğunu içeriden deneyimliyoruz ama nasıl ve neden var olduğunu bilmiyoruz. Belki de hiçbir zaman bütünüyle bilemeyeceğiz.